使用自然语言处理和机器学习自动识别阿司匹林加剧的呼吸道疾病:算法开发和评估研究

科学领域:

• 计算医学和生物信息学.
• 医疗保健中的临床信息学和人工智能.

背景情况:

• 阿司匹林加重呼吸道疾病 (AERD) 是一种炎症状况,通常是晚诊断的,延迟有效治疗.
• 目前AERD的诊断延迟平均超过10年,影响患者获得阿司匹林脱敏等疗法.

研究的目的:

• 开发使用自然语言处理 (NLP) 和机器学习 (ML) 的综合算法.
• 从电子健康记录 (EHR) 中识别患有AERD的患者.

主要方法:

• 开发了一个基于规则的决策树算法,结合了NLP从临床笔记中提取的特征.
• 提取了7个关键特征:AERD,喘,NSAID过敏,鼻,慢性鼻炎,尿液中白血素E4升高,以及没有NSAID的过敏.
• 使用MedTagger进行特征提取,并优化训练集上的决策树分类器.

主要成果:

• 结合NLP和ML算法实现了接收器运行特征曲线 (AUC) 下的面积为0.86.
• 该算法在测试组中识别AERD患者时显示了80.00%的灵敏度和88.00%的特异性.

结论:

• 已经开发出了一种有前途的AERD诊断算法,需要进一步改进.
• NLP和ML技术的进步有可能显著减少AERD的诊断延迟.